L’aspettativa di vita in buona salute alla nascita

 

E’ cresciuta in tutte le regioni con eccezione della Basilicata

L’Istat-BES calcola il valore dell’aspettativa di vita in buona salute. L’aspettativa di vita in buona salute alla nascita “esprime il numero medio di anni che un bambino che nasce in un determinato anno di calendario può aspettarsi di vivere in buone condizioni di salute, utilizzando la prevalenza di individui che rispondono positivamente (“bene” o “molto bene”) alla domanda sulla salute percepita”. Tale indicatore riflette quindi un insieme di elementi che fanno riferimento sia ad aspetti ambientali, enogastronomici ed anche individuali che possono avere un impatto significativo nella determinazione del grado di salute della popolazione. Inoltre, vi è un interesse economico specifico all’aspettativa di vita in buona salute alla nascita. Infatti, una popolazione che è più sana costa meno in termini di sistema sanitario e quindi risulta essere più sostenibile nel lungo periodo per lo Stato e la collettività.

Ranking delle regioni italiane per valore dell’aspettativa di vita in buona salute alla nascita nel 2019. Il Trentino-Alto Adige è al primo posto per valore dell’aspettativa di vita in buona salute con un ammontare pari a 65,8 anni, seguito dal Friuli-Venezia Giulia con un ammontare pari a 61,8 anni, seguito dalla Valle d’Aosta con un ammontare di 60,7 anni. A metà classifica vi sono la Liguria con un ammontare pari a 58,9 anni, seguita dal Piemonte con un ammontare pari a 58,9 anni e dalle Marche con un ammontare pari a 58,8 anni. Chiudono la classifica la Sardegna con un ammontare pari a 54,4 anni, seguita dalla Basilicata con un ammontare pari a 54,3 anni e dalla Calabria con un valore pari a 49,7 anni. In media nelle regioni italiane l’aspettativa di vita in buona salute alla nascita è stata pari ad un valore di 58,32 anni.

Ranking delle regioni italiane per variazione percentuale dell’aspettativa di vita alla nascita tra il 2009 ed il 2019. L’Umbria è al primo posto per valore della variazione percentuale dell’aspettativa di vita in buona salute tra il 2009 ed il 2019 con un ammontare di 8,11% pari a 4,50 anni, seguita dalla Valle d’Aosta con un ammontare pari a 7,05% pari ad un ammontare di 4,00 anni, e dall’Emilia Romagna con un ammontare di 6,05% pari ad un ammontare di 3,40 anni. A metà classifica vi sono il Veneto con un ammontare pari a 4,15% pari ad un ammontare di 2,40 anni, seguito dal Lazio con un valore di 3,90% pari ad un ammontare di 2,20 anni, e dal Piemonte con una variazione di 3,88% pari ad un ammontare di 2,20 anni. Chiudono la classifica la Liguria con un ammontare pari a 0,51% pari ad un ammontare di 0,30 anni, il Molise con una variazione percentuale pari a 0,00% e dalla Basilicata con una variazione pari a -0,37% pari ad un ammontare di -0,20 anni. In media tra il 2009 ed il 2019 il valore delle variazione percentuale dell’aspettativa di vita alla nascita nelle regioni italiane è aumentato di un ammontare pari a 3,57% pari ad un ammontare di 2,02 anni.

Macro-Regioni italiane. L’aspettativa di vita in buona salute alla nascita nel Nord è cresciuta da un ammontare di 57,4 anni nel 2009 fino a 60,1 anni nel 2019 ovvero una variazione pari ad un ammontare di 2,70 anni pari ad un ammontare di 4,70%. Tra il 2015 ed il 2019 il valore dell’aspettativa di vita in buona salute alla nascita nel Nord è cresciuta di 0,50 anni pari ad un ammontare dello 0,84%. Tra il 2009 ed il 2019 l’aspettativa di vita in buona salute alla nascita è cresciuta di un ammontare pari a 0,27 anni all’anno mentre tra il 2005 ed il 2019 tale valore è cresciuto di 0,14 anni all’anno. Nel Centro Italia il valore dell’aspettativa di vita in buona salute alla nascita è cresciuta da un ammontare di 56,9 anni nel 2009 fino ad un valore di 59,1 anni nel 2019 ovvero pari ad un ammontare di 2,20 anni, pari al 3,87% ed una crescita media pari ad un valore di 0,22 anni. Tra il 2015 ed il 2019 il valore dell’aspettativa di vita in buona salute alla nascita è cresciuta da un ammontare di 58,8 anni fino ad un valore di 59,1 anni ovvero pari ad una variazione di 0,30 anni pari ad un valore di 0,51%. Tuttavia, tra il 2015 ed il 2019 il valore della media delle variazioni assolute dell’aspettativa di vita in buona salute alla nascita è diminuito di un ammontare pari a -0,04 unità. Mezzogiorno tra il 2009 ed il 2019 il valore dell’aspettativa di vita in buona salute alla nascita è cresciuta da 54,5 anni fino ad un valore di 56,2 anni ovvero una variazione di 1,70 anni pari ad un ammontare del 3,12%. Tra il 2015 ed il 2019 il valore dell’aspettativa di vita alla nascita in buona salute è cresciuto da un ammontare di 56 anni fino ad un valore di 56,2 anni ovvero pari ad una variazione di 0,20 anni pari ad un valore di 0,36%. In media in Italia tra il 2009 ed il 2019 il valore dell’aspettativa di vita in buona salute alla nascita è cresciuto da un ammontare di 56,4 anni fino ad un valore di 58,6 anni nel 2019 ovvero una variazione di 2,20 anni pari ad un ammontare di 3,90%. Tra il 2015 ed il 2019 il valore dell’aspettativa di vita in buona salute alla nascita è cresciuto da un ammontare di 58,3 anni fino ad un valore di 58,6 anni nel 2019 ovvero una variazione di 0,30 anni pari ad una variazione di 0,51%. Vi sono dunque due fenomeni da considerare nelle macro-regioni italiane: da un lato c’è una crescita dell’aspettativa di vita in buona salute alla nascita in tutte le aree geografiche italiane, dall’altro lato c’è un crescente divario tra Nord e Centro-Sud. Infatti, considerando la differenza tra l’aspettativa di vita in buona salute alla nascita nel Nord e nel Sud risulta che: nel 2009 i meridionali avevano una aspettativa di vita in buona salute alla nascita di 2,9 anni inferiore rispetto al Nord, un valore che è peggiorato a 3,6 anni nel 2015 e a 3,9 anni nel 2019. Ne deriva quindi che l’aspettativa di vita in buona salute dei meridionali migliorata in serie storica anche se è peggiorata in confronto con il Nord Italia.

Clusterizzazione. Di seguito viene proposta una analisi della clusterizzazione attraverso l’utilizzo dell’algoritmo k-Means utilizzato per individuare la presenza di gruppi tra le regioni italiane. Poiché l’algoritmo k-Means è un algoritmo non supervisionato è necessario individuare un criterio per scegliere il numero ottimale di clusters. Nel caso specifico è stato utilizzato il coefficiente di Silhouette. Il coefficiente di Silhouette varia da -1 a 1. Il numero di clusters ottimale corrisponde al coefficiente di Silhouette maggiore. Nel caso analizzato il coefficiente di Silhouette maggiore si è verificato in presenza di un numero di clusters pari a 3. Ne deriva pertanto la seguente clusterizzazione:

• ·        Cluster 1: Valle d’Aosta, Lombardia, Veneto, Friuli-Venezia Giulia, Toscana, Emilia-Romagna, Liguria, Piemonte, Marche, Umbria, Lazio, Abruzzo, Molise;
• ·         Cluster 2: Trentino-Alto Adige;
• ·         Cluster 3: Sardegna, Basilicata, Calabria, Sicilia, Puglia.

In termini di valore mediano dei clusters è quindi possibile individuare il seguente ordinamento ovvero C2 con un valore mediano dell’aspettativa di vita in buona salute alla nascita pari ad un ammontare di 65,8, seguito dal C1 con un valore di 59,6 e dal cluster 3 con un ammontare di 55,15 unità. Ne deriva pertanto il seguente ordinamento ovvero C2>C1>C3. Analizzando la cartina geografica della clusterizzazione risulta evidente che le regioni del centro nord hanno un valore dell’aspettativa di vita in buona salute alla nascita significativamente migliore rispetto alle regioni meridionali. Tra tutte le regioni spicca il Trentino-Alto Adige che ha dei livelli di aspettativa di vita in buona salute alla nascita che superano di gran lunga quelle delle regioni meridionali. Ne deriva pertanto che probabilmente anche i livelli di capitale umano e sociale hanno un impatto significativo nella determinazione dei livelli di qualità della vita della popolazione dal punto di vista sanitario. Infatti, il Trentino-Alto Adige non è soltanto una delle regioni con maggiore reddito pro-capite in Italia quanto anche una delle regioni con maggiore cultura della cooperazione e coesione sociale.

Network Analysis. Di seguito è stata condotta una network analysis. L’analisi è realizzata per il tramite dell’utilizzo della distanza di Manhattan. Vengono rilevati i seguenti elementi:

• ·         Numero di nodi pari a 20;
• ·         Numero di edges 24;
• ·         Average degree 2.4;
• ·         Density 0.1263.

Nello specifico risultano essere presenti due link significativi nell’interno dell’analisi realizzata ovvero:

• ·         Piemonte-Veneto con un valore pari a 2,9;
• ·         Campania-Sicilia con un valore pari a 1,6.

Tali link indicano una significativa correlazione tra le regioni indicate. Tali relazioni possono indicare una convergenza nell’interno delle dinamiche economiche, sociali, istituzionali e comportamentali che hanno un impatto nella determinazione dell’aspettativa di vita in buona salute alla nascita.

Machine Learning and Predictions. Di seguito otto diversi algoritmi di machine learning vengono utilizzati per la predizione del valore futuro dell’aspettativa di vita in buona salute alla nascita nelle regioni italiane. Gli algoritmi sono stati addestrati con il 70% del dataset disponibile mentre il restante 30% del dataset è stato utilizzato per la predizione. L’analisi della performance è stata realizzata considerando la capacità degli algoritmi di massimizzare l’R-quadro ed i minimizzare i principali errori statistici ovvero “Mean Absolute Error”, “Mean Squared Error”, “Root Mean Squared Error”.  Ne è quindi derivato il seguente ordinamento degli algoritmi ovvero:

• ·         Random Forest Regression con un valore del payoff pari a  4;
• ·         Tree Ensemble Regression con un valore del payoff pari a  9;
• ·         Artificial Neural Network-ANN  con un valore del payoff pari a  14;
• ·         PNN-Probabilistic Neural Network con un valore del payoff pari a  15;
• ·         Simple Regression Tree con un valore del payoff pari a  18;
• ·         Linear Regression con un valore del payoff pari a  26;
• ·         Gradient Boosted Tree con un valore del payoff pari a  26;
• ·         Polynomial Regression con un valore del payoff pari a 32.

Pertanto utilizzando l’algoritmo best performer ovvero il Random Forest Regression è stato possibile realizzare le seguenti predizioni ovvero:

• ·         Liguria con una variazione aumentativa da un ammontare di 59,20 unità fino ad un valore di 50,43 unità ovvero pari ad una variazione di 1,23 unità pari al 2,08%;
• ·         Veneto con un variazione diminutiva da un ammotnare di 60,30 unità fino ad un valore di 59,57 unità ovvero pari ad una variazione di -0,73 unità pari ad una variazione di -1,21%;
• ·         Emilia Romagna con una variazione aumentativa da un ammontare di 59,60 unità fino ad un valore di 60,15 unità ovvero pari ad una variazione di 0,55 unità pari ad un ammontare di 0,93%;
• ·         Abruzzo con una variazione aumentativa da un ammotnare di 57,30 unità fino ad un valore di 57,72 unità ovvero pari ad una variazione di 0,42 unità pari ad un ammontare di 0,73%;
• ·         Calabria con una variazione aumentativa da un ammontare di 49,70 unità fino ad un valore di 55,16 unità ovvero pari ad una variazione di 5,46 unità pari ad una variazione di 10,99%;
• ·         Sicilia con una variazione aumentativa da un ammontare di 55,90 unità fino ad un valore di 57,09 unità ovvero pari ad una variazione di 1,19 unità pari ad un valore di 2,12%;

In media il valore dell’aspettativa di vita in buona salute alla nascita è predetta in crescita nelle regioni considerate da un valore medio di 57,00 unità fino ad un valore di 58,35 unità ovvero pari ad un vlaore di 1,35 unità pari ad un valore di 2,37%.

Conclusioni. In sintesi è possibile verificare che il valore dell’aspettativa di vita in buona salute alla nascita è cresciuta nel periodo tra il 2009 ed il 2019 in tutte le regioni italiane con esclusione della Basilicata. Tuttavia occorre consdierare che il tasso di crescita dell’aspettativa di vita in buona salute alla nascita delle regioni del Nord Italia è stato pari ad un valore di 4,7% mentre nel centro italia è stato pari ad un ammotnare di 3,8% e nel Sud pari ad un valore di 3,11% tra il 2009 ed il 2019. Ne deriva che in media nel 2019 un cittadino del Nord ha avuto una aspettativa di vita in buona salute alla nascita di circa 3 anni più alta rispetto ad un cittadino del Meridione. In modo particolare le regioni più virtuose in termini di aspettativa di vita in buona salute sono le regioni del Nord-Est con il Trentino Alto Adige in testa. Poiché tali regioni sono anche le più ricche in termini di reddito-pro capite e capitale umano e sociale ne deriva che inevitabilmente esiste una connessione positiva tra il valore dell’aspettativa di vita in buona salute alla nascita e la capacità di produzione di valore aggiunto e beni pubblici e sociali. Inoltre occorre considerare che aumentare anche marginalmente l’aspettativa di vita in buona salute alla nascita significa risparmiare molto in termini di spesa pubblica regionale e quindi avere anche dei sistemi sanitari regionali più sostenibili dal punto di vista finanziario. Le politiche economiche per migliorare l’aspettativa di vita alla nascita sono quindi complesse e richiedono una serie di interventi compositi che vanno dalla crescita del valore aggiunto, al miglioramento della capacità di produzione di beni pubblici e sociali mediante l’apprezzamento del capitale umano. Infine occorre considerare che questi dati sono pre-covid. Poiché il Covid ha colpito significativamente il Nord Italia, soprattutto la Lombardia, è probabile che abbia comportato una riduzione significativa dell’aspettativa di vita in buona salute soprattutto nelle regioni settentrionali.

 

References

Laureti, L., Costantiello, A., Leogrande, A. Satisfaction with the Environmental Condition in the Italian Regions between 2004 and 2020. University Library of Munich, Germany, 2022.

Leogrande, A., Costantiello, A., Laureti, L., & Leogrande, D. (2021). The Determinants of Landscape and Cultural Heritage among Italian Regions in the Period 2004-2019. Available at SSRN 3971174.

Leogrande, A., A. Saponaro, A. Massaro, and A. M. Galiano. "A GIS based estimation of quality of life in Italian regions."

Leogrande, A., Birardi, G., Massaro, A., & Galiano, A. M. (2019). Italian Universities: Institutional Mandate and Communitarian Engagement. European Journal of Educational Management, 2(2), 85-110.

Magazzino, C., & Leogrande, A. (2021). Subjective Well-Being In Italian Regions: A Panel Data Approach. Applied Econometrics and International Development, 21(1), 1-18.

Healthy Life Expectancy at Birth in the Italian Regions

 

It has grown in all regions with the exception of Basilicata

Istat-BES calculates the value of life expectancy in good health. Healthy life expectancy at birth "expresses the average number of years that a child born in a given calendar year can expect to live in good health, using the prevalence of individuals who respond positively (" well " or "very well") to the question about perceived health". This indicator therefore reflects a set of elements that refer to both environmental, food and wine and individual aspects that can have a significant impact in determining the degree of health of the population. In addition, there is a specific economic interest in healthy life expectancy at birth. In fact, a healthier population costs less in terms of the health system and therefore appears to be more sustainable in the long term for the state and the community.

Ranking of the Italian regions by value of healthy life expectancy at birth in 2019. Trentino-Alto Adige is in first place for value of healthy life expectancy with an amount equal to 65.8 years, followed by Friuli-Venezia Giulia with an amount equal to 61.8 years, followed by Valle d'Aosta with an amount of 60.7 years. In the middle of the table there are Liguria with an amount equal to 58.9 years, followed by Piedmont with an amount equal to 58.9 years and the Marche with an amount equal to 58.8 years. Sardinia closes the ranking with an amount equal to 54.4 years, followed by Basilicata with an amount equal to 54.3 years and Calabria with an amount equal to 49.7 years. On average in the Italian regions, life expectancy in good health at birth was equal to a value of 58.32 years.

Ranking of Italian regions by percentage change in life expectancy at birth between 2009 and 2019. Umbria ranks first in terms of the percentage change in healthy life expectancy between 2009 and 2019 with an amount of 8.11% equal to 4.50 years, followed by Valle d'Aosta with an amount equal to 7.05% equal to an amount of 4.00 years, and by Emilia Romagna with an amount of 6.05% equal to an amount of 3.40 years. In the middle of the table there are Veneto with an amount equal to 4.15% equal to an amount of 2.40 years, followed by Lazio with a value of 3.90% equal to an amount of 2.20 years, and Piedmont with a variation of 3.88% equal to an amount of 2.20 years. Liguria closes the ranking with an amount equal to 0.51% equal to an amount of 0.30 years, Molise with a percentage change equal to 0.00% and Basilicata with a change equal to -0.37% equal to to an amount of -0.20 years. On average between 2009 and 2019, the value of the percentage change in life expectancy at birth in the Italian regions increased by an amount equal to 3.57% equal to an amount of 2.02 years.

Italian macro-regions. The healthy life expectancy at birth in the North has grown from an amount of 57.4 years in 2009 to 60.1 years in 2019 or a change equal to an amount of 2.70 years equal to an amount of 4 , 70%. Between 2015 and 2019, the value of life expectancy in good health at birth in the North grew by 0.50 years, equal to an amount of 0.84%. Between 2009 and 2019, life expectancy in good health at birth grew by an amount equal to 0.27 years per year, while between 2005 and 2019 this value grew by 0.14 years per year. In Central Italy, the value of life expectancy in good health at birth increased from an amount of 56.9 years in 2009 to a value of 59.1 years in 2019 or equal to an amount of 2.20 years, equal to at 3.87% and an average growth of 0.22 years. Between 2015 and 2019 the value of life expectancy in good health at birth increased from an amount of 58.8 years to a value of 59.1 years or equal to a variation of 0.30 years equal to a value of 0.51%. However, between 2015 and 2019 the value of the average absolute changes in life expectancy in good health at birth decreased by an amount equal to -0.04 units. In the South of Italy between 2009 and 2019 the value of life expectancy in good health at birth increased from 54.5 years to a value of 56.2 years or a variation of 1.70 years equal to an amount of 3, 12%. Between 2015 and 2019, the value of life expectancy at birth in good health increased from an amount of 56 years to a value of 56.2 years or equal to a variation of 0.20 years equal to a value of 0.36%. On average in Italy between 2009 and 2019 the value of life expectancy in good health at birth increased from an amount of 56.4 years up to a value of 58.6 years in 2019 or a variation of 2.20 years equal to an amount of 3.90%. Between 2015 and 2019, the value of life expectancy in good health at birth increased from an amount of 58.3 years to a value of 58.6 years in 2019 or a variation of 0.30 years equal to a variation of 0.51%. There are therefore two phenomena to consider in the Italian macro-regions: on the one hand there is a growth in life expectancy in good health at birth in all Italian geographic areas, on the other hand there is a growing gap between the North and Center-South. In fact, considering the difference between the healthy life expectancy at birth in the North and in the South, it appears that: in 2009 the southerners had a healthy life expectancy at birth of 2.9 years lower than in the North, a value which worsened to 3.6 years in 2015 and to 3.9 years in 2019. It therefore follows that the healthy life expectancy of the southerners improved in historical series even if it worsened in comparison with Northern Italy.

Clusterization. An analysis of clustering is proposed below using the k-Means algorithm used to identify the presence of groups among the Italian regions. Since the k-Means algorithm is an unsupervised algorithm, it is necessary to identify a criterion to choose the optimal number of clusters. In the specific case, the Silhouette coefficient was used. The Silhouette coefficient ranges from -1 to 1. The optimal number of clusters corresponds to the highest Silhouette coefficient. In the case analyzed, the higher Silhouette coefficient occurred in the presence of several clusters equal to 3. The following clustering therefore derives:

•         Cluster 1: Aosta Valley, Lombardy, Veneto, Friuli-Venezia Giulia, Tuscany, Emilia-Romagna, Liguria, Piedmont, Marche, Umbria, Lazio, Abruzzo, Molise;

•         Cluster 2: Trentino-Alto Adige;

•         Cluster 3: Sardinia, Basilicata, Calabria, Sicily, Puglia.

In terms of the median value of the clusters it is therefore possible to identify the following order, i.e. C2 with a median value of life expectancy in good health at birth equal to an amount of 65.8, followed by C1 with a value of 59.6 and from cluster 3 with an amount of 55.15 units. Therefore, the following ordering derives from it, namely C2> C1> C3. Analyzing the geographical map of clustering, the central-northern regions have a significantly better value of life expectancy in good health at birth than the southern regions. Among all the regions, Trentino-Alto Adige stands out as it has healthy life expectancy levels at birth that far exceed those of the southern regions. It therefore follows that the levels of human and social capital probably also have a significant impact in determining the quality-of-life levels of the population from the health point of view. In fact, Trentino-Alto Adige is not only one of the regions with the highest per capita income in Italy but also one of the regions with the greatest culture of cooperation and social cohesion.

Network Analysis. A network analysis was carried out below. The analysis is carried out through the use of the Manhattan distance. The following elements are detected:

• •         Number of nodes equal to 20;
• •         Number of edges 24;
• •         Average degree 2.4;
• •         Density 0.1263.

Specifically, there are two significant links within the analysis carried out, namely:

• •         Piedmont-Veneto with a value of 2.9;
• •         Campania-Sicily with a value of 1.6.

These links indicate a significant correlation between the indicated regions. These relationships may indicate a convergence within the economic, social, institutional and behavioral dynamics that have an impact in determining healthy life expectancy at birth.

Machine Learning and Predictions. Below eight different machine learning algorithms are used to predict the future value of healthy life expectancy at birth in the Italian regions. The algorithms were trained with 70% of the available dataset while the remaining 30% of the dataset was used for prediction. The performance analysis was carried out considering the algorithms' ability to maximize the R-square and minimize the main statistical errors, namely "Mean Absolute Error", "Mean Squared Error", "Root Mean Squared Error". The following ordering of the algorithms is therefore derived, that is:

• •         Random Forest Regression with a payoff value of 4;
• •         Tree Ensemble Regression with a payoff value of 9;
• •         Artificial Neural Network-ANN with a payoff value of 14;
• •         PNN-Probabilistic Neural Network with a payoff value of 15;
• •         Simple Regression Tree with a payoff value of 18;
• •         Linear Regression with a payoff value of 26;
• •         Gradient Boosted Tree with a payoff value of 26;
• •         Polynomial Regression with a payoff value of 32.

Therefore, using the best performer algorithm or the Random Forest Regression it was possible to make the following predictions, namely:

• •         Liguria with an increase from an amount of 59.20 units up to a value of 50.43 units or equal to a variation of 1.23 units equal to 2.08%;
• •         Veneto with a decrease from an amount of 60.30 units up to a value of 59.57 units or equal to a variation of -0.73 units equal to a variation of -1.21%;
• •         Emilia Romagna with an increase from an amount of 59.60 units up to a value of 60.15 units or equal to a variation of 0.55 units equal to an amount of 0.93%;
• •         Abruzzo with an increase from an amount of 57.30 units up to a value of 57.72 units or equal to a variation of 0.42 units equal to an amount of 0.73%;
• •         Calabria with an increase from an amount of 49.70 units up to a value of 55.16 units or equal to a change of 5.46 units equal to a change of 10.99%;
• •         Sicily with an increase from an amount of 55.90 units up to a value of 57.09 units or equal to a change of 1.19 units equal to a value of 2.12%;

On average, the value of life expectancy in good health at birth is predicted to grow in the regions considered from an average value of 57.00 units up to a value of 58.35 units or equal to a value of 1.35 units equal at a value of 2.37%.

Conclusions. In summary, it is possible to verify that the value of life expectancy in good health at birth increased in the period between 2009 and 2019 in all Italian regions with the exception of Basilicata. However, it should be borne in mind that the growth rate of life expectancy in good health at birth in the regions of Northern Italy was equal to a value of 4.7% while in central Italy it was equal to an amount of 3.8% and in the South equal to a value of 3.11% between 2009 and 2019. It follows that on average in 2019 a citizen of the North had a healthy life expectancy at birth of about 3 years higher than a citizen of the South. In particular, the most virtuous regions in terms of life expectancy in good health are the regions of the North-East with Trentino Alto Adige in the lead. Since these regions are also the richest in terms of per capita income and human and social capital it follows that inevitably there is a positive connection between the value of healthy life expectancy at birth and the capacity to produce added value and public and social goods. Furthermore, it must be considered that increasing even marginally the life expectancy in good health at birth means saving a lot in terms of regional public spending and therefore also having more sustainable regional health systems from a financial point of view. Economic policies to improve life expectancy at birth are therefore complex and require a series of composite interventions ranging from the growth of added value to the improvement of the production capacity of public and social goods through the appreciation of human capital. Finally, it must be considered that these data are pre-covid. Since Covid has significantly affected Northern Italy, especially Lombardy, it is likely to have led to a significant reduction in life expectancy in good health, especially in the northern regions.

 

References

Laureti, L., Costantiello, A., Leogrande, A. Satisfaction with the Environmental Condition in the Italian Regions between 2004 and 2020. University Library of Munich, Germany, 2022.

Leogrande, A., Costantiello, A., Laureti, L., & Leogrande, D. (2021). The Determinants of Landscape and Cultural Heritage among Italian Regions in the Period 2004-2019. Available at SSRN 3971174.

Leogrande, A., A. Saponaro, A. Massaro, and A. M. Galiano. A GIS based estimation of quality of life in Italian regions.

Leogrande, A., Birardi, G., Massaro, A., & Galiano, A. M. (2019). Italian Universities: Institutional Mandate and Communitarian Engagement. European Journal of Educational Management, 2(2), 85-110.

Magazzino, C., & Leogrande, A. (2021). Subjective Well-Being In Italian Regions: A Panel Data Approach. Applied Econometrics and International Development, 21(1), 1-18.